补贴对装备制造企业加倍率的影响研究

补贴对装备制造企业加倍率的影响研究

一、研究问题的提出改革开放以来，中国装备制造业在产业规模和出口贸易额上迅速增加。然而，一个不容忽视的问题是，发达国家仍然主导着高质量装备制造业的发展模式。长期以来，当地公司被置于低技术水平，失去了产品的固定价格权，成为发达国家赚钱的生产工具。据统计,本土企业的平均利润率不足5%,光纤制造装备近100%、高端数控机床的90%、集成电路芯片制造装备的85%、纺织机械的70%,均依赖进口或为进口产品占领(1)。为了打破这种局面,政府不断加大对装备制造企业的补贴,希望借此换取企业竞争力的提升。以智能装备为例,首批19个项目,国家补贴额高达9.5亿元,最高补贴可达50%。再以三一重工为例,2011年获得政府补贴9亿元,2012年湖南省政府给予的补贴近6亿元。值得注意的是,规模相当的中联重科,同期获得的补贴只有三一重工的20%和7%,而两家企业却具有相近的毛利率,分别为36.5%、32.5%。此外,补贴方式也多种多样,涉及贷款贴息、上市费用补贴、产品推广补贴、产业发展基金、各类奖励等方面。补贴金额高、涉及面广,一旦资金错配,将大幅度削弱补贴的实际效果。近期涌现的一些事件,也的确引发了对补贴效果的担忧和质疑。根据上市公司年报,2012年10家国有企业获得的补贴高达225亿元;然而,巨额补贴却被这些上市公司当成了“扭亏为盈”的“有效手段”。补贴并未换来企业竞争力的提升,反而带来了“越补越亏”的效果。政府该不该补贴,以怎样的方式补贴?赞成补贴的观点认为,补贴能促进企业R&D投入的增加、有利于扩大投资规模、提高企业生产率水平和国际竞争力;反对者则认为,在补贴资金的分配过程中存在的寻租和官僚腐败,扭曲了社会资源的有效配置,从而降低了补贴效果(邵敏、包群,2012;顾元媛、沈坤荣,2012)。因此,审慎、科学地评估补贴效果尤为重要。基于此,本文拟对补贴效果开展实证检验,但更关注补贴对加成率的影响。原因在于:其一,加成率反映了企业将价格维持在边际成本之上的能力,直接关系到本土装备企业影响市场价格的能力;其二,能否保持较高加成率是企业动态竞争能力的重要标志之一。跨国公司之所以能主导行业发展格局,根本在于形成了“高加成率、高利润、持续创新”的动态竞争能力。那么,补贴作为政府“扶持之手”的最直接手段,是否帮助本土企业提升了这种能力,受补贴企业的加成率是否高于未受补贴的企业?对这些问题的科学研判和解释,不仅能弥补对补贴效果的研究,还能为政府制订补贴政策、提高补贴效果提供明晰的政策含义。整体而言,本文的贡献主要体现在两方面:第一,在研究视角上,本文揭示了补贴对装备制造企业加成率的负向作用,在政策侧面解释了本土企业竞争力低下、行业发展被跨国公司主导的原因。尽管补贴效果已经得到较多学者的关注,但相关研究在探讨对创新投入、生产率等微观效果后便戛然而止。本文则向前推进了一步,将加成率作为补贴的动态长期效果加以考察,弥补了前期研究的不足。第二,在研究方法上,本文使用国际最前沿的DeLoecker和Warzynsik(2012)方法,估算了加成率。目前,仅有黄枫、吴纯杰(2013)使用这种方法测算了化学药品制造业的加成率。与之不同,本文不仅测算了装备制造企业的加成率,还进一步使用倾向得分匹配方法处理了内生性,准确计算补贴企业与非补贴企业的加成率差距,揭示了补贴对加成率的影响;并以寻租成本为中介变量,构建了中介效应模型,揭示了补贴通过寻租成本影响加成率的机制。第三,在结论上,我们发现,未受补贴的企业与受补贴的企业相比,前者的加成率显著偏高;补贴越多,寻租成本越高、加成率越低。研究结论不仅丰富了补贴效果的相关研究,还加深认识了补贴对加成率的影响机制,对政策调整和改进提供了参考。接下来的安排如下:第二、三部分是文献综述和研究假设;第四部分构建计量模型测算装备制造企业的加成率,并进行全样本估计;第五部分使用消除样本偏差的倾向得分匹配法,测算补贴企业和非补贴企业加成率的差距,进一步揭示补贴对加成率的影响;第六部分是加成率差距的原因分析;最后一部分是结论和建议。二、国际贸易中的加害者价格和边际成本数据获取和度量的困难,一直困扰着加成率测算与形成机制的研究。目前,对加成率的测算主要集中在钢铁、白酒、电子信息、稀土、焦炭、化学药品等行业(陈甬军、周末,2009;周末、王璐,2012;朱勤,2009;孙泽生、蒋帅都,2009;方建春、宋玉华,2010;黄枫、吴纯杰,2013),专门针对装备制造业的研究极少(陈甬军、杨振,2012)。围绕本文的研究主题——补贴对加成率的影响,现有文献可分为两类:一类是影响加成率的政策因素;二是补贴的微观效果。在第一类研究中,DeLoecker和Warzynski(2012)认为竞争政策和贸易政策都能作用于加成率,他们提出了新的加成率估计方法,发现出口企业具有较高的加成率。Eaton和Grossman(1986)提出,在国际贸易中,生产税或出口税能使本土企业将产出减少至合谋状态下的数量,从而避免本土企业间的激烈竞争,在国际贸易中能维持较高的加成率。Silvestre(1993)认为,财政政策与货币政策会影响加成率,然而却没能明确这种影响的好坏。陈甬军、杨振(2012)考察了外资进入的市场效应,发现企业的竞争关系因外资企业进入而发生改变,外资进入与加成率波动之间呈U形非线性关系,在产业政策上盲目鼓励引入外资,会让具有垄断势力的外商企业在本土市场拓展市场力量,而削弱了本土企业的加成率。盛丹、王永进(2012)在讨论我国企业低价出口时明确指出,长期的出口退税、补贴政策以及出口企业间的过度竞争是出口企业加成率过低的重要原因。在第二类研究中,部分学者考察了补贴的微观效果,主要集中在对企业生产率和创新的影响上。例如,McCloud和Kumbhakar(2008)考察了北欧的农产品补贴,指出补贴可以通过提高技术效率与投入产出弹性来增加生产率。Sissoko(2011)也认为,创新补贴使得企业平均生产率提高,补贴不仅降低了新技术的固定成本,创新的外溢效应还导致生产的边际成本下降。邵敏、包群(2012)发现,只有当补贴力度小于某临界值时,补贴才能显著地促进企业生产率水平的提高;否则,会出现抑制作用。总而言之,有关补贴对生产率的影响在理论界并没有形成统一看法。理论上,补贴能有效促进企业的创新投入,但由于政府在筛选补贴对象时存在信息不对称,导致补贴的“正向”激励效应被严重削弱,甚至产生“逆向”激励效应。安同良等(2009)发现,当政府甄别原始创新与二次创新企业的成本较高,二次创新企业倾向于释放虚假信号以谋求补贴,对原始创新的补贴产生了“逆向”激励作用。陈林、朱卫平(2008)的数理模型研究表明,创新补贴政策在一定条件下能有效激励本国创新产出,但实证检验发现这类政策稳健性较弱、政策效果具有不确定性。Gonzalez和Pazo(2008)认为,政府补贴对研发投入的激励效果取决于研发回报率。当研发回报率较低时,企业只有在获得补贴的情况下才会增加研发投入,那么补贴是有效率的;反之,补贴会挤出企业私人研发投入,导致补贴无效率。Gonzalez等(2005)以西班牙制造业为例,发现补贴虽然只能小幅度地增加企业研发投入,但若没有补贴,企业会大幅缩减研发投入甚至不投入。经济学常用加成率衡量企业的定价行为。现有研究表明,补贴作为政府影响企业行为的重要手段,与加成率在逻辑上存在紧密联系,但没有深入探究影响机制和方向。接下来,我们对本土装备制造企业的加成率进行测算、分析补贴对加成率的影响。三、激励行为异化及作用发挥机制政府补贴的目的在于改善市场竞争环境、扶持企业发展以及维护本土企业利益(EatonandGrossman,1986;Kiyotaki,1988),投入在装备制造业的巨额补贴亦是如此。为了改善我国装备制造企业利润薄、定价能力弱的现状、快速提升企业的国际市场竞争力、彻底扭转跨国公司主导行业的格局,中央及地方政府每年给装备制造业补贴数百亿元。在理论上,只要这些补贴能促进企业生产率提高、研发投入增加和投资规模扩大,就会导致较高的加成率(Bernardetal.,2003)。然而,中国经济转型的一个显著制度特征是“政治锦标赛”(周黎安,2008)。在这一制度特征下,补贴性竞争扭曲政府和企业行为,使得现实中补贴对加成率的影响与理论预测结果相左。我们将从3个角度描述这种行为扭曲是如何作用于补贴与加成率的关系。首先,从政府行为异化的角度而言,装备制造业投入大、产业关联度高、吸纳就业能力强,对GDP增长有很强带动效应。地方政府官员为了得到政治晋升,往往高额补贴生产率比较低的装备制造企业,以实现就业、产出和GDP增长的经济和社会目标,维护地区经济形象和提升政绩。梁琦等(2012)的研究也发现了类似的结论,欠发达地区的补贴政策会吸引低效率企业进入。由于装备制造企业的投资规模大,再加之地方政府为了维护“面子”和政绩,有强烈的动机吸引并保护这类企业(孔东民等,2013),市场缺乏退出机制或退出成本比较高,补贴企业只能依靠补贴赚取较低经济利润,没有能力为创新提供资金支撑,无法培育出抗衡于跨国公司的竞争能力,集中体现出加成率低。接下来,从企业行为异化的角度,分析补贴对加成率的影响。以研发补贴为例,科技政策制定部门往往以科技专项的形式拨付补贴资金,并要求装备企业组织申报,典型的有高档数控机床与基础制造装备、大型风电装备核心部件及重大试验支持装备开发等项目。在申请补贴过程中,由于信号甄别机制缺失或失效,企业存在释放虚假信号争取补贴的行为(安同良等,2009),削弱了补贴的激励效应。此外,地区竞争中的投资补贴,也扭曲了企业的投资行为,使其过度产能投资,进而导致产能过剩(江飞涛等,2012),加剧了产业内的恶性价格竞争。而一旦获得补贴后,由于补贴能够改善企业盈余状况(孔东民等,2013),受补贴企业会丧失改善经营、节约成本的动力。杨其静、杨继东(2010)的研究表明,受补贴企业的人均工资水平显著高于未获补贴企业。刘海洋等(2012)也发现,补贴会诱发企业的过度购买行为,受补贴企业的购买成本显著高于未受补贴企业。有限的资金资源从生产领域转移到非生产性领域,对研发活动产生挤出效应。最后,从寻租假说的角度,分析补贴作用于加成率的机制。补贴滋生的寻租活动是政府行为异化与企业行为异化交织的直接后果。在中央政府下发事权和自由裁量权的过程中,政府官员逐渐掌握了大量企业所需的经济资源和行政资源,企业的发展受制于政府(顾元媛、沈坤荣,2012)。在政府官员管制范围中进行经营的所有企业,面对“从天而降”的补贴,都期望成为这类政策的扶持对象。但大量的经验事实表明,并非所有企业都能获得政府补贴,政府在选择补贴对象时有一定的准则,而政府与企业之间的信息不对称所导致的政治联系可以成为企业声誉的信号显示机制(ZhengandZhu,2013)。郭剑花、杜兴强(2011)和余明桂等(2010)的研究也发现,有政治联系的企业更容易、也能更多地获得补贴;政治联系越强,补贴获取效应也越强。既然政治联系的建立与维系对于获取补贴至关重要,那么针对补贴的寻租行为就不可避免。尤其是在信息不对称、治理环境较差的情况下,装备企业想要获得更加优厚的补贴资源,势必向拥有资源配置权的科技部门、地方政府进行寻租。对于企业而言,一方面,寻租能够克服法律、产权、金融发展制度落后和政府失灵对自身发展的阻碍(余明桂等,2010);另一方面,假设通过扩大再生产和寻租两种方式都能提高同等利润,那么只要寻租的成本小于在建投资,企业就愿意以寻租的方式获得补贴(图洛克,2008)。对政府官员而言,创造更大的寻租空间,加强对企业的干预,使其负担更多的社会和政策责任,可实现提升政绩的目的。总而言之,无论是中国转型经济的制度特征要求还是企业自身意愿,寻租行为都成为企业建立政治联系、获取补贴的最快捷、最有效方式。然而,寻租是需要花费成本的。这类成本主要来源于企业的非生产性支出,即从社会生产角度不能直接或间接有助于生产产品或服务的支出(Bhagwati,1982)。万华林、陈信元(2010)将寻租行为与非生产性支出联系起来,研究发现,政企关系越紧密,企业的娱乐差旅费支出越多。对于装备企业来说,为获取补贴而采取寻租,所引起的成本来源非生产性支出,造成成本增加的压力,并对加成率产生负向影响。当这种负向影响超过补贴带来的正向效应时,加成率就会下降。综合以上分析,我们提出两个假设。H1:其他条件不变,补贴显著影响装备制造企业的加成率,且补贴企业加成率低于非补贴企业加成率。H2:补贴通过寻租成本影响企业加成率,补贴越多、寻租成本越高则企业加成率越低。需要说明的是,上述分析涉及的3个角度存在逻辑递进关系。在补贴性竞争下,政府行为异化与企业行为异化的直接后果是寻租活动的滋生;由此引发的寻租成本对加成率有负向影响,且会超过补贴对加成率的正的直接影响;最终,补贴越多、寻租成本越高、加成率越低,即假设2。在研究设计上,我们需要先行检验补贴对加成率的净影响是否负向,再验证“补贴通过寻租成本这一中介变量影响加成率”这一机制、揭示寻租成本在这一影响机制中的中介作用。因而,先提出、检验假设1,再检验假设2。四、叠加率的估计本部分验证假设1,首先使用国际前沿的DeLoecker和Warzynski(2012)方法估算加成率,然后,使用全样本估计考察补贴与装备制造企业加成率的关系。(一)经验与模型:观点与数据采用的方法对企业加成率的计算主要有两类方法:第一类是会计法,使用工资成本、原材料成本和收益等数据计算加成率;第二类是近年发展起来的新产业组织实证方法(newempiricalindustrialorganization,NEIO)(EinavandLevin,2010),基本思想是在市场均衡分析框架下,通过估计生产函数、需求函数和弹性来测算加成率。尽管会计方法计算简便,然而会计变量和经济变量在某些指标的意义上存在差别,更重要的是会计数据存在人为改动的可能;而NEIO建立在数理模型推导的基础上、利用需求和(或)供给侧的信息计算加成率,方法更为科学、结论可靠。不同于国内关于加成率测算的研究,我们沿用DeLoecker和Warzynsik(2012)发展的估算模型,并利用了本土企业的微观数据对加成率进行测算。使用新产业组织实证方法测算加成率所面临的重大挑战是,如何解决不可观察因素造成的加成率估计偏误。DeLoecker和Warzynsik(2012)的方法不仅放松了规模报酬不变的假设、无需使用资本成本数据,而且通过引入控制函数来消除不可观察因素引起的内生性问题。这使得DeLoecker和Warzynsik(2012)的方法能够准确地识别出政策因素变化对加成率的影响,且识别结果不受生产技术、投入要素差异的影响。黄枫、吴纯杰(2013)使用了上述方法测算我国化学药品制造业的加成率;然而,本文不仅测算了装备制造企业的加成率,还使用面板数据计量分析模型、倾向得分匹配法和中介效应模型,检验了补贴企业与非补贴企业加成率的差异,探讨了补贴影响加成率的机制。1.可变要素x的产出弹性假设企业i在时间t依照式(1)所示的生产函数进行生产。其中,Xjit(j=1,……V)为劳动、原材料、电力等可变要素的投入量;Kit代表不变要素——资本的存量;函数Qit(·)为连续二次可微。成本最小化的拉格朗日函数为:其中,PXit和γit分别代表可变要素和投资的价格。对可变要素投入量对一阶导数。其中,λit=∂Lit/∂Qit为给定产出水平下的边际成本。对式(3)式两边同时乘以Xit/Qit得:这里,DeLoecker和Warzynsik(2012)使用了条件成本函数,无须考虑企业动态性及额外假设,就能求出加成率;而且,式(4)与竞争类型及需求无关。定义:DeLoecker和Warzynsik(2012)指出,式(5)是稳健的,不依赖于价格竞争的类型,将式(5)代入(4)可得:其中,θXit为可变要素X的产出弹性。式(6)也可写成:其中,αXit是可变要素Xit的成本与总收益(PitQit)之比。在测算某家企业的加成率时,需要首先计算要素的产出弹性,然后再测算αXit值,即可。2.和产出弹性的估计估算加成率的第一步是估计生产函数,接下来是计算出产出弹性,最后依据式(7)计算。估计生产函数面临的一个难点是同时性偏误(simultaneitybias)问题。这是因为,产出不仅是生产要素的函数,也受到生产率冲击的影响;此外,生产率还与生产要素投入存在相关性。因此,必须控制生产率冲击这类不可观察因素,以获得对生产函数的一致性估计,准确地计算出产出弹性。为解决这个难点,Olley和Pakes(1996)在使用企业层面面板数据估计生产函数的过程中,开创性地把投资当作不可观察的生产率之代理变量,从而获得了参数的一致性估计,解决了生产要素与生产率的内生性问题。然而,由于调整成本的存在,投资可能无法完全影响生产率的变化。因此,Levinsohn和Petrin(2003)发展了Olley和Pakes(1996)的方法,将中间投入作为代理变量。由于与投资相比,中间投入的调整成本较小,能更好地反映生产率的变化,所得估计结果也更准确。本文在测算产出弹性时,借鉴Levinsohn和Petrin(2003)的方法(简称LP法),采用半参数估计方法对生产函数进行估计。假设企业有相同的技术参数、技术为希克斯中性,生产函数如式(8)所示。其中β为技术参数、代表将投入转化为产出的数量高低;ωit为企业的生产率。借鉴Levinsohn和Petrin(2003)的两阶段中间投入代理变量法,可以正确的估计出β和产出弹性θXit。获得产出弹性的估计值后,还需计算αXit,才能依据式(7)算出加成率。事实上,我们并不能直接算出αXit和Qit,而只能得到;这里,。由于Levinsohn和Petrin(2003)的方法可以提供误差项εit的估计值,因此将αXit的表达式修正为:生产要素投入以外的因素对产出的影响,将不会反映到式(9)中,这些因素包括生产要素的价格、生产率、技术、需求弹性和收入等,它们都会影响生产要素的需求,进而影响到产出。这样,企业i在时间t的加成率估算式为:(二)行业代码的调整本文使用的数据全部来源于“中国工业企业数据库”,该数据库的样本范围为全部国有工业企业、规模以上非国有工业企业。数据库样本容量大,涉及企业基本情况和财务状况等130余项指标,是目前最全面的企业微观数据库。由于本文的研究对象为1999~2007年本土装备制造企业,因此需要根据《国民经济行业分类代码》筛选出6大类装备制造企业。值得注意的是,在观察期内,国民经济行业分类代码在2002年进行了修改,因此必须对企业的行业代码进行调整,若忽视这项重要工作,可能导致装备企业数据包含其它行业数据,进而降低研究结果的科学性。在保证装备制造业原始数据的准确性后,借鉴谢千里等(2008)的研究,对数据所存在的错漏值进行如下处理:(1)2004年无增加值数据,采用间接计算方法获得,即工业增加值=工业总产值-工业中间投入+本年应交增值税;(2)删除就业人数、总产值、固定资产净值、中间投入为负的错误记录以及增加值、销售值比例小于0大于1的样本;(3)以1999年为基期,对样本数据进行平减。表1报告了处理后数据的统计特征。表1表明,中国装备制造企业补贴呈现“两高”特点:一是补贴比例高,受补贴的企业个数逐年递增(2005年除外),每年都有超过10%的企业接受政府补贴;二是补贴数额高,中央政府以及地方政府每年向装备制造企业发放上百亿元的补贴,受到补贴的企业平均每家获得150万元补贴,个别企业接受的补贴更是高达上亿元。“两高”的特点不仅证明政府对装备制造企业发展的大力支持,同时也说明了补贴对企业日常经营活动产生了重要影响。设想在面对数千万甚至数亿元“从天而降”的补贴时,企业必然据理力争,通过各种渠道争取补贴以应用于日常生产、规模扩张以及研发投资。因此,可以初步判断补贴对加成率存在某种影响。下面通过加成率的测算和计量经济分析,进一步判断影响方向。(三)不同所有制企业无效率对比从表2可以看出,中国装备制造业中,平均加成率均小于1;加成率最高的通信设备、计算机及其电子设备制造类企业,平均加成率也仅有0.9003,装备制造企业普遍缺乏市场势力和市场竞争力。这一方面是由于长期进口零部件导致成本攀升、吞噬了利润所致;另一方面则是由于企业在技术研发上始终无法突破瓶颈,产品价格受制于跨国公司。同时,表2也反映了一个有趣的现象:接受补贴的装备制造企业加成率平均值为0.5605,明显低于非补贴企业的0.6826。不仅如此,6个细分行业中,补贴企业加成率平均值均小于非补贴企业。此外,考虑到政府补贴与所有制可能存在联系,本文还计算了不同所有制的补贴企业与非补贴企业的加成率,如表3所示。从表3可以看出,无论是何种所有制,非补贴企业加成率均大于补贴企业加成率,二者之间存在明显差距。差距最小的是集体所有制企业,其次为港澳台所有制企业。一个有趣的现象是,加成率差距最大的是国有制企业,并且在全部所有制企业加成率的对比中,国有补贴企业的加成率最低,仅为,然而,接受补贴的国有企业数与国有企业总数之比,的确是全部所有制中最高的,在国有制企业中补贴“覆盖面广,影响力低”似乎成为补贴效果倍受争议的关键。根据上述统计性分析,我们初步得出结论,无论是在不同细分行业或是不同所有制下,对于装备制造企业来说,补贴者的加成率均低于非补贴者。然而,这并不能完全证明补贴就是影响加成率的因素,需要进一步开展计量经济分析。(四)主要控制变量本文解决的主要问题之一为补贴是否影响企业加成率(Markup),核心解释变量为补贴,使用企业补贴率(subsidy)来衡量,即补贴与总产出之比。需要说明的是,我们也使用了补贴的对数值来衡量补贴。然而,在我们使用的“中国工业企业数据库”中,受补贴企业数占企业总数的比例平均不到14%;如果使用补贴的对数值,必须剔除部分样本,这导致样本数大幅度减少,影响结果的准确性。此外,在后文中介效应检验中,寻租成本的衡量指标也用总产出进行了调整。为了使用大样本且保持指标选取标准的一致性,综合权衡之后,我们使用了补贴率作为补贴的衡量指标。然而,企业加成率会受到其他因素影响,需要在估计过程中加入变量进行控制。我们主要考虑了企业规模(Size)、负债率(Debt)、销售增长率(Growth)、年龄(Age)、人均资本(Per-capital)、所有制性质(Ownership)等6类主要的控制变量。其中,借鉴赵伟等(2011)对企业规模(Size)的处理办法,企业规模(Size)使用了总资产的对数值为衡量指标,通常规模较大的企业有着更合理的资产结构和人员安排,同时规模经济能有效降低企业生产率,在一定程度上提升企业竞争力。负债率(Debt)为总负债与总资产之比,销售增长率(Growth)为当期和上一期销售产值之差与上期销售产值之比,二者分别代表企业的融资能力以及投资能力,投融资能力越强的企业越能够拥有合理的资本结构,越容易在激烈的市场竞争中脱颖而出。企业年龄(Age)使用的是企业成立年限,人均资本(Per-capital)使用了总资本与企业平均就业人数之比。所有制性质(Ownership),包括国有企业(State)、集体企业(Collective)、民营企业(Private)、港澳台企业(Hongkong)、外资企业(Foreign)以及其他(Others),共设立了5个所有制虚拟变量来表示。除此之外,我们还设立了行业(Industry)、地区(Region)、年份(Year)的虚拟变量。我们使用中国工业企业数据库473033家企业1999~2007年的微观数据,以加成率为被解释变量,补贴为核心解释变量进行回归,包括混合回归、固定效应、随机效应回归,结果见表4。本文虽然估计了随机效应模型,但是,由于一方面Hausman检验结果显示支持固定效应模型,另一方面固定效应能够解决解释变量与不随时间而变化的无法观测的因素的相关性,部分解决了补贴这一因素存在的内生性,因此表4只报告了混合回归和固定效应模型的估计结果。除此之外,我们还加入了滞后一期的被解释变量(Markupt-1),以解决由于解释变量与随机扰动性相关所造成的内生性问题。从表4可以看出,在控制了企业规模、负债率、销售增长率、年龄等一系列因素后,无论是混合回归还是固定效应回归,补贴率与企业加成率呈反向关系,即企业接受的补贴越多,加成率越小。从结果来看,补贴占产出的比重每上升1%,企业加成率就会下降0.41%。以表1中企业接受补贴的数据为例,假设某家企业2006年加成率为1,接受补贴的数额为166.71万元,2007年获得的补贴增加至170.13万元,补贴增加了2.05%,则企业加成率将下降至0.9916。政府给予补贴的初衷提升企业竞争力,以抗衡跨国公司的市场势力;然而,表4结果却反映出现实与愿望相佐的局面,补贴这种额外财富没有换回企业竞争力的提升。其他控制变量的系数也值得我们关注:企业规模越大,企业加成率越高,这可能是规模经济导致企业竞争力增加;负债率以及销售增长率的系数符号则反映出企业较强的投融资能力能够显著提高企业加成率。五、内生性问题的检验上文运用固定效应模型对补贴与加成率的关系进行分析。然而,回归系数只代表了一种“平均效果”,即补贴给加成率带来的平均影响,并不能回答如下问题:若补贴企业失去补贴,这会对加成率造成什么影响;或者,给予非补贴企业一定的补贴,其加成率会有显著变化吗?之所以不能回答上述问题,其根本原因在于:一方面,很难证明补贴与加成率之间真正的因果关系;另一方面,企业是否获得补贴并不是随机的,加成率的变化与研发、企业规模等因素有关,若不排除这些因素的影响,势必造成样本选择性偏差。为了消除样本选择偏差、更好地解决内生性问题,本文采用倾向得分匹配法来检验补贴企业与非补贴企业之间的加成率差距。这一方法的基本思想是,比较一家企业在“补贴”与“非补贴”状态下加成率的差异,以便排除其他企业特征因素的影响,确认加成率差异来源于补贴。具体来说,假设i代表企业,t代表年份。通过定义二维虚拟变量Sit将企业分为两组:一组为处理组(Sit=1),即在t期有补贴的企业i;另一组为控制组(Sit=0),即在t期没有补贴的企业i。定义Markupit为企业i在t期的加成率,Markup1it和Markup0it分别表示企业i受到补贴和未受补贴时的加成率。因此,由补贴造成的加成率差异可表示为:其中,E(Markup0it|Sit=1)表示的是补贴企业在不接受补贴时的加成率。然而,这一变量是不可观测的反事实结果(counterfactualoutcome),想要实现对公式的估计,必须为这一反事实结果寻找一个代理变量。根据Rosenbaum和Rubin(1985)的方法,可以在控制组中寻找与处理组具有相同特征变量的个体,用可观测到的E(Markup0it|Sit=0)代替E(Markup0it|Sit=1),将控制组中个体与处理组个体进行“匹配”。但是这种“匹配过程”往往遭遇匹配维度(dimensionality)问题,即当控制个体的特征变量(匹配维度)增加时,在实际操作中若想要找到所有与补贴企业在所有特征变量上都相似的非补贴企业是非常困难的。所以Rosenbaum和Rubin(1983)提出,使用Logit或Probit等概率模型将所有特征变量归结于一个代表值,即“倾向值”;然后,对倾向值进行匹配,找出与补贴企业最“相似”的非补贴企业。下面分三步进行检验。(一)选取匹配变量控制企业特征变量Xit的情况下,企业i有补贴的概率为:其中,P是装备制造企业获得补贴的概率,Xit是影响企业获得补贴的因素或匹配变量。参考DeLoecker(2007)、Baier和Bergstrand(2009)等研究,并考虑政府补贴在增加就业、促进研发与出口、提高效率、改善投融资环境等方面的微观效果,本文选取的匹配变量包括:员工人数Employment、企业税收额Tax、研发强度Rd、出口规模Export、生产率Tfp,负债率Debt、销售增长率Growth、企业规模Size、企业年龄Age、所有权性质(国有State、集体Collective、民营Private、外资Foreign、港澳台Hongkong)、行业和时间变量。其中,员工人数Employment为企业平均就业人数的对数值,企业税收额Tax为增值税的对数值,研发强度Rd为研发支出与销售产值之比,出口规模Export为企业出口交货值与销售产值之比,生产率Tfp由LP代理变量法求得,负债Debt为总负债与总资产之比,销售增长率Growth为当期和上一期销售产值之差与上期销售产值之比、企业规模Size为总资产的对数值,企业年龄Age为经营年限,企业性质、行业时间均为虚拟变量。基于以上可能导致干预组与控制组间不平衡的变量,我们使用stata12.0中的logit命令计算每家企业的倾向得分。(二)匹配有效性检验接下来,我们根据倾向值进行匹配,找出与补贴企业相似的非补贴企业。本文涉及的样本企业有424416家,其中60423家企业位于处理组,363993家企业位于控制组。由于倾向值为连续变量,很难在控制组找到与处理组个体倾向值完全相同的个体;因此,我们使用Becker和Ichino(2002)、Leuven和Sianesi(2003)提出的最邻近匹配法来解决这一匹配难题。该方法的基本思想是以企业倾向值为基础,为每家补贴企业在控制组中向前或向后寻找倾向值最接近的一家非补贴企业作为匹配对象。在报告匹配结果之前,需要进行匹配平衡性检验,即根据匹配的“共同支持假设”与“独立性假设”对匹配的有效性进行判断。“共同支持假设”需要保证每家补贴企业都能通过倾向值找到与之匹配的非补贴企业。为此,我们删除了非重合区域的48617个样本。“独立性假设”指处理组与控制组在匹配变量上不存在显著差异,即在控制两组样本共同的特征变量Xit后,加成率的差异完全是由企业的补贴行为导致的。如果两组样本存在显著差异,则表示匹配变量或匹配方法选取不当,本次匹配无效。对于“独立性假设”,我们主要检验了标准偏差与均值。标准偏差是衡量匹配前后企业间差异的变量,根据Smith和Todd(2005)的观点,匹配后标准偏差的绝对值越小,匹配效果越好,若标准偏差的绝对值超过20%,则表明匹配无效(RosenbaumandRubin,1985);均值检验也就是t检验,考察的是补贴与非补贴企业在匹配前后的均值是否相等,若匹配有效,则t检验拒绝两组存在差异的原假设,t值不显著。本文用stata12.0实现上述匹配过程和平衡性检验,结果如表5所示。从表5可以看出,所有变量匹配后的标准偏差均在5%以下,同时大多数变量不显著,说明匹配变量与方法的选择还是恰当的。(三)采用离散度法进行结果分析1.模型内生性检验在满足假设条件,已知倾向值后,我们使用平均处理效应(averagetreatmenteffectonthetreated,ATT)来衡量补贴和非补贴企业间加成率的平均差异,并检验了结果是否显著,如表6所示。从表6中可以看出,无论是匹配前还是匹配后,非补贴企业平均加成率均高于补贴企业,特别是匹配后平均加成率的差异下降了0.0685个单位,说明通过倾向得分匹配法,匹配后的企业样本一定程度上处理了可能导致模型内生性的因素,即受补贴企业自身加成率较低或企业为获得补贴而持续降低加成率。从匹配后的结果来看,受补贴企业的平均加成率为0.566,未受补贴企业的平均加成率为0.6126,补贴降低了装备制造企业的加成率。2.补贴企业加重率此外,为了得到更加稳健的结果,我们还分别考察了装备制造企业在不同细分行业以及所有制中的加成率差异,估计结果如表7所示。可以看出,绝大部分细分行业或所有制下的非补贴企业加成率均高于补贴企业,只有交通运输设备制造业与集体所有制的结果不同,基本上来说,估计结果与全样本估计的结论相符。因此可以说,补贴使得装备制造企业的加成率下降了。上文的实证研究证明,补贴企业加成率低于非补贴企业,且这种差异无论是在细分行业中还是所有制上都存在。那么补贴是如何影响企业加成率的呢?为了验证假说2,我们构建了中介效应模型。六、补贴企业与非补贴企业之间的显著差异(一)中介效应模型在研究解释变量X对被解释变量Y的影响时,如果X对Y产生直接影响的同时,还能通过变量M对Y造成间接影响,则称变量M为中介变量,反映三者之间中介效应关系的模型为中介效应模型。前文的分析表明:补贴是通过影响寻租成本,进而影响加成率。因此,在本文中,寻租成本为中介变量M,补贴为解释变量X,加成率为被解释变量Y。为了研究三者之间的关系,参照Baron和Kenny(1986)的方法建立如下中介效应模型:其中:t代表年份,i代表企业,εi1t、εi2t和εi3t为随机扰动项且服从均值为零、方差有限的正态分布。式(13)表示补贴subsidy对加成率makeup影响的总效应,系数a1衡量总效应的大小;式(14)表示补贴subsidy对寻租成本cost影响的效应,若系数b1为正,则证明补贴导致寻租成本增加;式(15)中c1衡量的是补贴对加成率的直接效应。如果将式(14)带入(15)中得:其中,系数c2b1度量的是中介效应,即补贴通过寻租成本影响加成率的程度。(二)解释变量的度量我们对受补贴的企业开展研究,研究对象为第四部分中1999~2007年我国装备制造企业倾向得分匹配的样本,并对样本进行如下处理:(1)保留补贴数据大于零;(2)由于我们使用管理费用与总产出之比来衡量寻租成本,故保留管理费用大于零的样本。最终,得到包含36957个样本观察值的非平衡面板数据。所有数据均来源于中国工业企业数据库。由于企业之间在规模、年龄、地域等方面存在显著个体差异,因此在解释变量度量上,我们使用了相对值,从而保证估计结果的准确性。具体来说,加成率(markup)根据第二部分的模型计算得出、补贴(subsidy)使用补贴与总产出的比值、寻租成本(cost)使用管理费用与总产出之比。识别和衡量寻租成本是本项工作的一个难点。不同于创造财富的生产性活动,寻租是一种非生产性活动,由此产生的寻租成本往往隐藏在非生产性支出中,相关数据不易被识别和获取。企业出于安全和便利的考虑,在会计上处理上,寻求补贴而产生的寻租成本往往计入业务宣传费、招待费、娱乐差旅费等非生产性支出项目(余明桂等,2010;万华林、陈信元,2010)。在实证研究中,可以通过问卷、抽样调查取得寻租成本的更微观数据。我们主要参照万华林、陈信元(2010)、Anderson等(2007)的做法,选择管理费用与总产出之比作为寻租成本的衡量指标。主要考虑有两点:其一,我们使用的数据来源是“中国工业企业数据库”,即使在剔除处理后,样本数也多达近4万,在现有条件下,我们无法对这些企业逐一开展调查以获取寻租成本的相关数据;其二,现有研究表明管理费用与寻租成本有相关性。综合上述两点考虑,在使用“中国工业企业数据库”